KI-reife Daten-Blueprints (German Edition)

Vorwort

In meinem Labor an der University of Rochester haben wir über ein Jahrzehnt damit verbracht, KI-Systeme zu entwickeln, die die Stimme eines Patienten anhören und seine Gesichtsbewegungen beobachten, um frühe Anzeichen von Parkinson und Autismus zu erkennen – oft noch bevor ein Arzt sie überhaupt bemerkt. Die Modelle, die wir entwickelt haben, waren ausgefeilt. Die Algorithmen waren solide. Aber das schwierigste Problem war nie das Modell. Es waren die Daten.

Diese Lektion haben wir gelernt, wie es die meisten Forscher tun: auf schmerzhafte Weise. Unsere frühen Systeme funktionierten hervorragend mit kuratierten Datensätzen, versagten dann aber in der realen Welt –nicht weil die neuronalen Netze falsch waren, sondern weil die Daten, mit denen sie gefüttert wurden, unvollständig, inkonsistent oder ihres bedeutungsgebenden Kontexts beraubt waren. Eine Sprachaufzeichnung ohne Metadaten zum Einnahmezeitpunkt der Medikamente des Patienten war nur Rauschen. Ein Gesichtsausdruck ohne den Kontext des Gesprächs war bestenfalls mehrdeutig, schlimmstenfalls irreführend. Das Signal war immer da – die Daten waren einfach noch nicht bereit, es preiszugeben.

Diese Erfahrung, die sich in klinischen Studien, landesweiten KI-Einsätzen im Gesundheitswesen in Saudi-Arabien und der Beratungsarbeit mit den National Academies wiederholte, hat mich zu einer tiefen Überzeugung gebracht: Die Organisationen, die im KI-Zeitalter führend sein werden, sind nicht diejenigen mit den leistungsstärksten ...